地质力学研究所基于深度学习的储层评价模型构建方法获国家发明专利授权

　　在全球能源结构转型与油气勘探开发向深层、复杂储层不断推进的背景下，传统储层评价方法在面对数据缺失、小样本、非均质性强等挑战时，逐渐暴露出精度不足、泛化能力弱、地质解释性差等问题。如何融合多源数据、嵌入地质先验知识、提升评价模型的智能化水平，已成为制约油气高效开发的关键技术瓶颈。近日，地质力学研究所张浩、方欣欣、陈程、施辉等科研人员研发的“一种基于深度学习的储层评价模型的构建方法及系统”获得国家发明专利授权（专利号：ZL 2025 1 0735874.X），标志着地质力学所在智能油气勘探技术领域取得重要突破。

　　该专利提出了一套系统化、高精度的储层智能评价技术路径。方法首先融合目标工区的测井数据与岩心分析数据，通过异常值处理与缺失值填补，构建高质量、完整的多源数据集；进而基于岩心CT扫描与测井反演技术，分别获取微观孔隙结构参数与宏观孔隙度，实现储层多尺度物性特征的精准表征。在此基础上，创新性地构建了包含孔隙连通性指数、储层品质因子、岩性控制系数与非均质性指标在内的综合评价体系，并通过层次分析法实现多指标加权融合，生成标准化的储层评价指标数据集。核心技术在于引入“地质注意力增强神经网络”——该网络以一维卷积神经网络为基础，融合自注意力机制与地质上下文信息，显著提升了模型对关键地质特征的感知能力。为增强模型的地质一致性与可解释性，研究团队进一步提出“弱监督信号引导”策略，将孔隙度-渗透率关系、矿物成分影响、沉积相约束等地质规则转化为弱监督信号，嵌入模型训练过程，有效防止注意力机制的“关注漂移”。最终，通过测试集评估与参数结构微调，结合预设的模型框架进行系统集成，形成具备高鲁棒性、强解释性的最终储层评价模型。实验表明，该模型在测试集上的预测准确率达97%，显著优于传统机器学习方法。

　　该技术实现了地质知识与深度学习方法的深度融合，突破了纯数据驱动模型的局限性，为复杂储层的精细评价与开发方案优化提供了全新的智能化解决方案。地质力学研究所将持续推进该技术在油气田勘探现场的应用示范，加快成果转化，为能源安全与智慧勘探开发提供强有力的科技支撑。

　　 

　　图1 发明专利证书

　　 

　　图2 储层评价流程与应用效果